بررسي اثر متقابل ژنوتيپ در محيط از طريق روش GGE باي پلات براي عملكرد دانه ارقام بهاره كلزا (Brassica napus L.) در شرايط ديم

Study on Genotype × Environment Interaction Through GGE Biplot for Seed Yield in Spring Rapeseed (Brassica Napus L.) in Rain-Fed Condition

در دهه اخير استفاده از روش گرافيكي يا روش GGE باي پلات در بررسي اثر متقابل ژنوتيپ× محيط در برنامه‌هاي به نژادي متداول شده است. در اين روش اثر ژنوتيپ و اثر متقابل ژنوتيپ ×محيط از هم تفكيك نشده و گزينش ارقام پايدار بر اساس هر دو اثر مذكور صورت مي‌گيرد. در اين تحقيق از روش GGE باي پلات براي بررسي عملكرد دانه نه ژنوتيپ بهاره كلزا در چهار منطقه و طي دو سال و يك منطقه در يك سال (در مجموع نه محيط) استفاده گرديد. نتايج تجزيه واريانس نشان داد كه 2/79 درصد از كل تغييرات مربوط به اثر محيط، 3/9 درصد متعلق به اثر ژنوتيپ و 5/11 درصد مربوط به اثر متقابل ژنوتيپ در محيط بود. بررسي باي پلات چند ضلعي منجر به شناسايي شش ژنوتيپ برتر و دو محيط بزرگ شده و ژنوتيپ‌هاي مناسب در هر محيط بزرگ نيز مشخص گرديد. سه ژنوتيپ ديگر در نواحي قرار گرفتند كه هيچ محيطي قرار نداشت و ارقامي ضعيف در اكثر محيط‌ها بودند. بررسي همزمان پايداري و عملكرد ژنوتيپ‌ها با استفاده از باي پلات مختصات محيط متوسط نيز نشان داد كه هيبريد Hyola401 با بيشترين عملكرد دانه ناپايدارترين ژنوتيپ بود و دو رقم Option500 و Kristina با عملكرد‌هاي بالا و پايداري عملكرد نسبي گزينش شدند. هم‌چنين اين دو رقم نزديك‌ترين ارقام به ژنوتيپ ايده‌آل بودند. بررسي باي پلات همبستگي بين محيط‌ها نشان داد كه بردارهاي محيطي مناطق پلدختر و سرپل‌ذهاب داراي زاويه نزديك به 90 درجه بوده كه بيانگر عدم تشابه اين دو منطقه بود. تمامي محيط‌ها داراي قابليت تمايز بالايي بوده و توانستند تفاوت‌هاي بين ژنوتيپ‌ها را به خوبي نمايان كنند. دو محيط مسجدسليمان و پلدختر (سال دوم) نزديكترين محيط‌ها به محيط ايده‌آل بوده و بيشترين تمايز و بيانگري را نشان دادند.

In recent decade use of graphical approach or GGE biplot for study G×E interaction become popular in plant breeding programs. In this approach the effects of genotype and G×E interaction are not separated and selection is based on both of above effects. In this study GGE biplot has been used to study 9 spring rapeseed genotypes over four locations in two years and another location in one year (totally 9 environments). The results of analysis of variance showed that 79.2 percent of total variation was due to environment, 9.3 percent due to genotype and 11.5 percent due to G×E interaction. The polygon-view of GGE biplot recognized six superior genotypes and two mega-environments so that the best genotypes within each environment were determined. The three genotypes located in sectors that no environments were placed in it indicated that these genotypes were poor in most of the environments. Simultaneous evaluation of yield and stability through average environment coordinate biplot showed that Hyola401 hybrid with the highest seed yield was the most unstable genotype. Option500 and Kristina with high seed yield and relative high yield stability selected. These two were the nearest varieties to ideal genotypes. Biplot of correlation among environments revealed that environmental vectors of Sarpol-e-zahab and Pol-e-Dokhtar were near to 90? so, these locations were different environments. All environments had high discriminating ability so that could able to show differences between genotypes. Masjedsolyman and Pol-e-dokhtar (second year) were the nearest environments to ideal environment so, they had the highest discriminating ability and representativeness.